End-to-End-Deep-Learning

47. Einführung in das End-to-End-Lernen

Stellen Sie sich vor, Sie möchten ein System erstellen, das Produktbewertungen im Internet analysiert und automatisch bewertet, ob das Produkt dem Prüfer gefallen hat oder nicht. Zum Beispiel die Bewertung "Dies ist ein großartiger Mopp!" muss von einem solchen System als sehr positiv anerkannt werden. Und die Bewertung "Dieser Mopp von geringer Qualität - vergebens habe ich ihn gekauft" als äußerst negativ.

Die Aufgabe, positive und negative Meinungen zu erkennen, wird als „Stimmungsklassifikation“ bezeichnet.
Ein solches System kann wie ein "Förderer" aussehen, der aus zwei Komponenten besteht:

Parser (Parser): Ein System, das Text mit Informationen kommentiert, die wichtige Wörter beschreiben. Mit dem Analysator können Sie beispielsweise alle Adjektive und Substantive bezeichnen. Das Ergebnis ist ein kommentierter Text:
"Dies ist ein großartiges _Adjektiv Mop _Nomen !"
Einstellungsklassifikator: Ein trainierter Algorithmus, der kommentierten Text als Eingabe akzeptiert und seine emotionale Färbung vorhersagt. Die Annotation des Parsers trägt wesentlich zum Erlernen des Algorithmus bei: Wenn beispielsweise Adjektiven mehr Gewicht beigemessen wird, passt sich der Algorithmus schnell an aussagekräftige Wörter wie „großartig“ an und ignoriert Wörter, die keine Bedeutung haben, z. B. das Wort „dies“.

Anmerkung des Autors: Der Parser bietet eine viel umfangreichere Textanmerkung, aber diese vereinfachte Beschreibung reicht aus, um das eingehende Lernen zu erklären.

Sie können den resultierenden Zweikomponenten- "Förderer" wie folgt darstellen:

Bild